Konsep Pembelajaran Mesin

Data dan Informasi

Data adalah fakta mentah atau rincian peristiwa yang belum diolah, yang terkadang tidak dapat diterima oleh akal pikiran dari penerima data tersebut, maka dari itu data harus diolah terlebih dahulu menjadi informasi untuk dapat di terima oleh penerima. Data dapat berupa angka, karakter, simbol, gambar, suara, atau tanda-tanda yang dapat digunakan untuk dijadikan informasi. Suatu informasi bisa saja menjadi data apabila informasi tersebut digunakan kembali untuk pengolahan sistem informasi selanjutnya. Dalam dunia komputer data adalah segala sesuatu yang disimpan di dalam memori menurut format tertentu.

Informasi adalah hasil pengolahan data yang sudah dapat diterima oleh akal pikiran penerima informasi yang nantinya dapat digunakan untuk pengambilan keputusan. Informasi dapat berupa hasil gabungan, hasil analisa, hasil penyimpulan, dan juga hasil pengolahan sistem informasi komputerisasi.

Perbedaan Data dan Informasi :

Data lebih cenderung ke penjelasan singkat atau sebuah gagasan yang belum menjelaskan sebuah peristiwa atau hasil kegiatan, data juga tidak bisa digunakan untuk pengambilan keputusan sedangkan informasi adalah hasil pengolahan dari data yang dapat digunakan untuk pengambilan keputusan.
Data terkadang tidak dapat digunakan dan diterima oleh akal pikiran penerima, sedangkan informasi dapat berguna dan dapat diterima oleh akal pikiran penerima.
Data mempunyai lingkup lebih detail dan bersifat teknis, sedangkan informasi menghasilkan penjelasan yang dapat dipakai untuk mengambil keputusan. Data penjualan misalnya merupakan penjelasan yang bersifat mentah, tetapi informasi penjualan per bulan akan dipakai oleh manajemen untuk mengambil suatu keputusan.

Apa Itu Machine Learning

Machine Learning (ML) merupakan sebuah cabang ilmu dari AI (artificial intelligent) adalah mesin yang dikembangkan untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya. Pembelajaran mesin dikembangkan berdasarkan disiplin ilmu lainnya seperti statistika, matematika dan data mining sehingga mesin dapat belajar dengan menganalisa data tanpa perlu di program ulang atau diperintah.

Machine Learning memiliki kemampuan memperoleh data dengan perintah ia sendiri (ML) dapat mempelajari data yang ia peroleh sehingga bisa melakukan tugas tertentu.

History of Machine Learning

Tahun 1920-an Thomas Bayes dan Andrey Markov mengemukakan dasar-dasar machine learning dan konsepnya.

Contoh machine learning di era 90an Deep Blue yang dibuat oleh IBM pada tahun 1996.

Tujuan Machine Learning

Memprediksi Masa Depan (Unobserved Event)
Memperoleh Ilmu Pengetahuan (Knowledge Discovery/Discovering Unknown structure)
Untuk membuat model (matematis) yang merefleksikan pola-pola data.

Bagian Artificial Intelligence

Artificial intelligence sebuah kategori yang didalam nya terdapat Machine Learning (ML) dan Natural Languange Processing (NLP)

$C:\Users\USER\Pictures\Screenshots\Screenshot (7).png$

Natural language processing/NLP mempelajari bagaimana bahasa alami itu diolah sedemikian hingga user dapat berkomunikasi dengan komputer. Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa natural yang digunakan manusia.

Jenis aplikasi yang bisa dibuat dalam bidang ilmu Natural language processing terbagi dua:

Text-based application
Dialogue-based application.

Pendekatan Machine Learning

Teknik pembelajaran mesin diperlukan untuk meningkatkan akurasi dalam sebuah model prediktif, terdapat beberapa pendekatan yang berbeda tergantung dari karakteristek jenis data dan volume

Supervised learning

Pada Supervised Learning, algoritma diberikan input dan output berdasarkan data set yang telah ditentukan sehingga sistem akan mempelajari pola berdasarkan data yang telah ada.

Contohnya gambar unggas di tag “Unggas” di tiap masing masing image unggas dan gambar mamalia di tag “mamalia” di tiap masing gambar mamalia. Machine learning kategori dapat berupa clasification (“unggas”, “mamalia”, “invertebrata”, dsb)

$C:\Users\USER\Pictures\Screenshots\Screenshot (8).png$

Unsupervised learning

Unsupervised learning tidak menggunakan label dalam memprediksi target feautures / variable. Melainkan menggunakan ke samaan dari attribut attribut yang dimiliki. Jika attribut dan sifat sifat dari data data feature yang diekstrak memiliki kemirip miripan, maka akan dikelompok kelompokan (clustering).

$C:\Users\USER\Pictures\Screenshots\Screenshot (10).png$

Reinforcement learning

Algoritma ini dimaksudkan untuk membuat komputer dapat belajar sendiri dari lingkungan (environtment) melalui sebuah agent. Jadi komputer akan melakukan pencarian sendiri (self discovery) dengan cara berinteraksi dengan environment.

Deep learning

Metode pembelajaran yang dilakukan oleh mesin dengan cara meniru bagaimana sistem dasar otak manusia bekerja. Sistem dasar otak manusia bekerja ini disebut neural networks. deep learning disebut menggunakan artificial neural networks yang dengan kata lain menggunakan ‘neural networks buatan’.

$C:\Users\USER\Pictures\Screenshots\Screenshot (11).png$

Implementasi Machine Learning

Meniru kemampuan belajar manusia.

Contoh Implementasi Machine Learning

Self Driving Car
Recommended System
Chat Bot
Assistant Virtual
Face Recognition
Voice Recognition
Google Search Auto Suggest
Penyaring E-mail Spam
Quick Reply
Mengkategorikan E-mail

Trend Teknologi 2022

1. Internet of Behavior (IoB)

Internet of Behavior (IoB) adalah tren yang sedang berkembang. Istilah ini mengacu pada pengumpulan dan penggunaan apa yang disebut “digital dust”, yaitu jejak digital yang ditinggalkan orang dalam kehidupan sehari-hari mereka.

2. Intelligent Composable Business

Ini adalah teknologi terbaru yang dapat beradaptasi dan merekayasa ulang dirinya sendiri sesuai dengan situasi.

3. Jejaring Keamanan Siber

Cybersecurity mesh atau jaring keamanan siber adalah teknologi terbaru yang memungkinkan user mengakses aset digital dengan aman, di mana pun aset atau user berada. Artinya, sistem perlindungan akan fokus pada pengorganisasian perimeter keamanan di sekitar setiap pengguna.

Kemunculan teknologi ini disebabkan oleh meningkatnya permintaan akan teknologi cloud dan meningkatnya jumlah karyawan jarak jauh.

4. Total Experience

Total Experience merupakan bentuk teknologi terbaru yang mengkonsolidasikan pengalaman pelanggan, karyawan, dan user dengan lingkungan multi-channel. Perusahaan membutuhkan strategi konsolidasi yang berpengalaman karena interaksi menjadi lebih mobile, virtual, dan terdistribusi.

5. Hyper Automation

Di masa depan masih ada permintaan yang besar untuk otomatisasi proses dan tugas manual yang berulang.

6. Anywhere Operation

Anywhere Operations adalah model bisnis yang dirancang untuk mendukung pelanggan, karyawan, dan layanan dari mana saja di dunia.

7. AI Engineering

AI Engineering adalah teknologi terbaru yang menyediakan disiplin rekayasa dan struktur kuat, yang akan menekankan ketersediaan AI dan memastikan skala dan penerapannya. Gartner menganggap ini penting, karena menurut penelitian hanya setengah dari proyek AI yang beralih dari prototipe ke implementasi.

8. Distributed Cloud

Teknologi terbaru ini mampu mendistribusikan layanan cloud ke beberapa lokasi di luar pusat data penyedia. Namun, tanggung jawab untuk operasi, pengelolaan, dan pengembangannya tetap berada di tangan penyedia cloud.

Sumber :

Perbedaan Data dan Informasi – Himpunan Mahasiswa Sistem Informasi (binus.ac.id)

Machine Learning adalah Bagian Aplikasi Artificial Intellige... (dqlab.id)

4 pendekatan machine learning untuk bisnis (ekrut.com)

14 Contoh Penerapan Machine Learning dalam Kehidupan Sehari-hari (geospasialis.com)

8 Teknologi Terbaru yang Menjadi Tren di Tahun 2022, Pebisnis Wajib Tahu - Acer Commercial (acerid.com)